Algorithme adaptatif : définition et exemples
L'algorithme adaptatif réalise des opérations tout en étant capable de les moduler selon l'environnement d'exécution. D'une importance variable, les ajustements ont pour objectif de bénéficier de performances optimales.
Un algorithme adaptatif, c’est quoi ?
Un algorithme adaptatif repose sur le même principe qu’un algorithme classique. Il se traduit par une suite finie de valeurs et d’instructions qui permettent d’effectuer des opérations informatiques et, le cas échéant, de résoudre des problèmes. Son efficacité d’exécution dépend, entre autres, de la consommation de mémoire vive, du temps de calcul et de la pertinence des résultats.
Comme son nom l’indique, l’algorithme adaptatif n'est pas fixe. Autrement dit, il ne se contente pas de réaliser un traitement standard et constant, et ce, quel que soit le contexte. Il intègre un process d’intelligence artificielle (IA) en mesure d’interpréter l’environnement d’exécution. Il a ainsi la possibilité d’agir sur les facteurs suivants :
- La sollicitation des ressources,
- Les paramètres de configuration,
- Les informations propres à l’environnement,
- Les données utilisées par l’algorithme lui-même.
Ses domaines d’application sont variés, et vont de l’intelligence artificielle à la bio-informatique en passant par le routage d’informations.
Qu’est-ce que le filtrage adaptatif ?
L’algorithme adaptatif s’inscrit dans une démarche d’apprentissage automatique. Il s'adosse notamment à la méthode du boosting - qui consiste à créer différents modèles de machine learning en améliorant leur robustesse par itération successive. Le principe est également employé dans les domaines de la géométrie algorithmique et dans le traitement de signal. On parle alors de filtrage adaptatif. Pour ce dernier point, ce sont les coefficients d’un environnement numérique qui fluctuent. Cette évolution tient au type et à l’importance d’émission du signal réceptionné.
En règle générale, le filtrage adaptatif se sert d’algorithmes de LMS (least mean squares) ou récursifs reposant sur la méthode des moindres carrés. Leur complexité est également sujette à variation selon le contexte. Par exemple, il est possible d’opter pour un algorithme rapide de type FTF (fast transversal filters) si l’on dispose de ressources limitées. Cela réduit les redondances du signal et améliore sa stabilité.
Autres exemples d’algorithmes adaptatifs
On peut évoquer d’autres exemples d’algorithmes adaptatifs et de possibilités d’exécution. Parfois appelé CFAR (constant false alarm rate), un détecteur de fausse alarme utilisera un algorithme adaptatif pour l’utilisation de systèmes radars. Les taux de convergence employés dans les opérations d’analyse statistique nécessitent un ajustement des paramètres de calcul.
Autre champ d’application : la compression des données. L’algorithme adaptatif s’attarde alors sur les techniques de compression et le flux d’entrée des données. Cela concerne également les fonctions prédictives qui impliquent l’observation de précédents symboles ou valeurs pour fournir un résultat précis et pertinent.